CN111695733A - 一种基于改进模糊聚类算法的“煤改电”负荷预测方法 - Google Patents
一种基于改进模糊聚类算法的“煤改电”负荷预测方法 Download PDFInfo
- Publication number
- CN111695733A CN111695733A CN202010527269.0A CN202010527269A CN111695733A CN 111695733 A CN111695733 A CN 111695733A CN 202010527269 A CN202010527269 A CN 202010527269A CN 111695733 A CN111695733 A CN 111695733A
- Authority
- CN
- China
- Prior art keywords
- load
- coal
- electricity
- calculating
- heat
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明属于电网规划技术领域,涉及负荷预测算法,尤其是一种基于改进模糊聚类算法的“煤改电”负荷预测方法,包括步骤1:输入“煤改电”区域改造户调查数据;步骤2:计算给定参数下特殊人群和普通人群的热舒适温度;步骤3:计算电费最优函数;步骤4:计算热负荷最优函数;步骤5:计算效用最大化的两类影响因子;步骤6:计算效用函数ω=fc×C*+fh×H*;步骤7:求解各类用户负荷特性;步骤8:采用模糊C均值聚类法进行分析;步骤9:利用典型负荷曲线占比计算“煤改电”区域聚合负荷特性;步骤10:按照历史温度数据计算供暖季“煤改电”负荷增量。
Description
技术领域
本发明属于电网规划技术领域,涉及负荷预测算法,尤其是一种基于改进模糊聚类算法的“煤改电”负荷预测方法。
背景技术
“煤改电”负荷的接入会对电网带来负荷大幅且不均衡增长、电网峰谷差加大等影响,“煤改电”实施区域的负荷特性将发生变化。根据公开数据计算京津冀三地部分“煤改电”工程实施前后负荷特性变换,北京地区“煤改电”工程实施前后冬季典型日的最大负荷峰谷差率由5%提升至19%,平均负荷率由97%降至89%,天津地区冬季典型日的最大负荷峰谷差率由40提升至42%,平均负荷率由81%降至80%,河北地区冬季典型日的最大负荷峰谷差率由60%提升至75%,平均负荷率由75%降至60%。且三地负荷特性曲线高峰均由夏季转移到冬季,当地电采暖负荷需求比重越高,季不均衡系数越低,负荷曲线波动性越明显,传统的“迎峰度夏”将转变为“迎峰度冬”。从运行结果来看,由于“煤改电”负荷增长较大,且农网负荷分散在,开展配电网规划时,“煤改电”工程地区建设规模还需尽量覆盖农网其他专项工程建设需求。“煤改电”负荷具有较好柔性特征,结合消费心理学特点进行热负荷建模,分析出基于室温舒适度与价格敏感度的冬季“煤改电”需求响应行为,对未来电网调度运行与规划至关重要。
“煤改电”工程需要综合考虑改造主体利益、用能习惯、气象条件、房屋结构等因素的影响,投资成本较高。且“煤改电”工程满足电采暖负荷的同时也需要计及农网改造新增负荷影响,建设时各类负荷同时率按照0.4至0.6考虑。传统的负荷预测方法主要有时间序列法、回归分析法、灰色数学理论、神经网络理论、模糊系统理论等。“煤改电”负荷变化依赖于环境温度、家庭收入、人员结构等多耦合因素,且用电行为随机性、不确定性极强,按照传统负荷预测方法其结果往往精度和准确度不能满足要求,对改造工程的实践依据指导作用不高。
本发通过对“煤改电”用户按照房屋面积、家庭收入、人员结构进行差异化分类,采用简化建筑热负荷模型与效用敏感度分析建立典型用户曲线,进而采用模糊聚类的方法得到“煤改电”区域负荷特性。
发明内容
本发明的目的在于弥补现有技术的不足,提供一种以模糊聚类算法为基础,结合建筑热湿环境、家庭收入、消费效用最大化等因素,分析各类“煤改电”用户电量特征的基于改进模糊聚类算法的“煤改电”负荷预测方法。
本发明采取的技术方案是:
一种基于改进模糊聚类算法的“煤改电”负荷预测方法,其特征在于:包括如下步骤:
步骤1:输入“煤改电”区域改造户调查数据,包括历史气象数据、住房面积、家庭收入、人员结构;
步骤2:计算给定参数下特殊人群和普通人群的热舒适温度;
步骤5:计算效用最大化的两类影响因子:价格敏感因子其中ri为需求响应度,λci为费用响应度;热度敏感因子其中ri为需求响应度,λhi为热度响应度;其中λci和λhi按照最大似然估计求得:θ=θi(λci,λhi)令,X=Xi(Ci,Hi)
P{X1=X1 X2=X2 … Xn=Xn}
步骤6:计算效用函数ω=fc×C*+fh×H*,其中C*和H*为归一化无量纲值;
步骤7:按照以上步骤,求解各类用户负荷特性,得到负荷特性集合{X1 X2 … Xn};
步骤8:采用模糊C均值聚类法进行分析,负荷特性集归一化处理后作为输入,求得聚类中心及典型负荷特性曲线。
进一步的,所述步骤2中,采用热舒适模型PMV=aT+bPv-c,其中a、b、c为经验参数。
进一步的,所述步骤3中,
以上两式中Pd为热量需求,ηh为直接加热效率,Si为第i时刻蓄热量,Ps.h为蓄热模块保温功率,Sm为最大蓄热量,ηs为蓄热保温效率。
进一步的,电费最优函数约束条件除了受到热机工作启停保护限制还受到迟滞效用限制,即存在制热功率增长的死区与饱和区,
其中Ta为室温,Tdz为死区温度,Tsz为饱和区温度。
进一步的,所述步骤4中,热负荷最优函数约束条件包括热量供需平衡、热机功率限制、放热功率限制;Phηh+Psηs≥Pd,其中0≤Ph≤Phmax,0≤Ps≤Psmax;
进一步的,所述步骤5中,所述的需求响应度分别为家庭收入,人员结构和住房面积对采暖电量的贡献值。
进一步的,所述步骤8中,
本发明的优点和积极效果是:
本发明中,基于消费心理中的效用最大特点,以往年的调查数据如历史气象数据、住房面积、家庭收入、人员结构为基础,结合平均热感觉指数,分别以普通人群(青壮年)和特殊人群(幼儿及老年人)的热舒适温度建立模型。
本发明中,分别计算电费最优函数(C),热负荷最优函数(H),效用最大化的两类影响因子(价格敏感因子fc,热度敏感因子fh),效用函数ω的参数,并根据上述参数求解不用用户人群的负荷特性,得到相应的负荷特性集合。
本发明中,基于相应的负荷特性集合,采用模糊C均值聚类法进行分析,通过优化目标函数得到每个样本点对所有类中心的隶属度,进而决定样本点的类属,实现对样本数据的自动分类。将负荷特性集归一化处理后作为输入,求得聚类中心及典型负荷特性曲线。之后根据典型负荷曲线占比计算“煤改电”区域聚合负荷特性,并按照历史温度数据计算供暖季“煤改电”负荷增量。进而为“煤改电”工程改造及电网规划提供了负荷预测的参考。
附图说明
图1为本发明的流程图;
图2为给定温度和湿度条件下的典型负荷曲线图;
图3为给定温度和湿度条件下的聚类负荷曲线图。
具体实施方式
下面结合实施例,对本发明进一步说明,下述实施例是说明性的,不是限定性的,不能以下述实施例来限定本发明的保护范围。
一种基于改进模糊聚类算法的“煤改电”负荷预测方法,本发明的创新在于,包括如下步骤:
步骤1:输入“煤改电”区域改造户调查数据,包括历史气象数据、住房面积、家庭收入、人员结构;
步骤2:计算给定参数下特殊人群和普通人群的热舒适温度;
附录1:
家庭收入,人员结构和住房面积对采暖电量的贡献值按照Pearson相关系数来计算,选取1000户已参加“煤改电”改造家庭2017-2018、2018-2019采暖季电量变化进行分析。
P{X1=X1 X2=X2 … Xn=Xn}
步骤6:计算效用函数ω=fc×C*+fh×H*,其中C*和H*为归一化无量纲值;
步骤7:按照以上步骤,求解各类用户负荷特性,得到负荷特性集合{X1 X2 … Xn};
步骤8:采用模糊C均值聚类法进行分析,负荷特性集归一化处理后作为输入,求得聚类中心及典型负荷特性曲线。
进一步的,所述步骤2中,采用热舒适模型PMV=aT+bPv-c,其中a、b、c为经验参数,见表1。
I<sub>ci</sub>(clo) | a | b | c |
0.25-0.50 | 0.2803 | 0.1717 | 7.1383 |
0.51-1.00 | 0.1383 | 0.0269 | 3.0190 |
1.01-1.65 | 0.1478 | -0.1371 | 2.5239 |
表1
进一步的,所述步骤3中,
以上两式中Pd为热量需求,ηh为直接加热效率,Si为第i时刻蓄热量,Ps.h为蓄热模块保温功率,Sm为最大蓄热量,ηs为蓄热保温效率。
进一步的,电费最优函数约束条件除了受到热机工作启停保护限制还受到迟滞效用限制,即存在制热功率增长的死区与饱和区,
其中Ta为室温,Tdz为死区温度,Tsz为饱和区温度。
进一步的,所述步骤4中,热负荷最优函数约束条件包括热量供需平衡、热机功率限制、放热功率限制;Phηh+Psηs≥Pd,其中0≤Ph≤Phmax,0≤Ps≤Psmax;
进一步的,所述步骤5中,所述的需求响应度分别为家庭收入,人员结构和住房面积对采暖电量的贡献值。
进一步的,所述步骤8中,
本发明中,基于消费心理中的效用最大特点,以往年的调查数据如历史气象数据、住房面积、家庭收入、人员结构为基础,结合平均热感觉指数,分别以普通人群(青壮年)和特殊人群(幼儿及老年人)的热舒适温度建立模型。
本发明中,分别计算电费最优函数(C),热负荷最优函数(H),效用最大化的两类影响因子(价格敏感因子fc,热度敏感因子fh),效用函数ω的参数,并根据上述参数求解不用用户人群的负荷特性,得到相应的负荷特性集合。
本发明中,基于相应的负荷特性集合,采用模糊C均值聚类法进行分析,通过优化目标函数得到每个样本点对所有类中心的隶属度,进而决定样本点的类属,实现对样本数据的自动分类。将负荷特性集归一化处理后作为输入,求得聚类中心及典型负荷特性曲线。之后根据典型负荷曲线占比计算“煤改电”区域聚合负荷特性,并按照历史温度数据计算供暖季“煤改电”负荷增量。进而为“煤改电”工程改造及电网规划提供了负荷预测的参考。
Claims (7)
1.一种基于改进模糊聚类算法的“煤改电”负荷预测方法,其特征在于:包括如下步骤:
步骤1:输入“煤改电”区域改造户调查数据,包括历史气象数据、住房面积、家庭收入、人员结构;
步骤2:计算给定参数下特殊人群和普通人群的热舒适温度;
步骤5:计算效用最大化的两类影响因子:价格敏感因子其中ri为需求响应度,λci为费用响应度;热度敏感因子其中ri为需求响应度,λhi为热度响应度;其中λci和λhi按照最大似然估计求得:θ=θi(λci,λhi)令,X=Xi(Ci,Hi)
P{X1=X1 X2=X2…Xn=Xn}
步骤6:计算效用函数ω=fc×C*+fh×H*,其中C*和H*为归一化无量纲值;
步骤7:按照以上步骤,求解各类用户负荷特性,得到负荷特性集合{X1 X2…Xn};
步骤8:采用模糊C均值聚类法进行分析,负荷特性集归一化处理后作为输入,求得聚类中心及典型负荷特性曲线。
2.根据权利要求1所述的一种基于改进模糊聚类算法的“煤改电”负荷预测方法,其特征在于:所述步骤2中,采用热舒适模型PMV=aT+bPv-c,其中a、b、c为经验参数。
6.根据权利要求1所述的一种基于改进模糊聚类算法的“煤改电”负荷预测方法,其特征在于:所述步骤5中,所述的需求响应度分别为家庭收入,人员结构和住房面积对采暖电量的贡献值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010527269.0A CN111695733B (zh) | 2020-06-11 | 2020-06-11 | 一种基于改进模糊聚类算法的“煤改电”负荷预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010527269.0A CN111695733B (zh) | 2020-06-11 | 2020-06-11 | 一种基于改进模糊聚类算法的“煤改电”负荷预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111695733A true CN111695733A (zh) | 2020-09-22 |
CN111695733B CN111695733B (zh) | 2022-09-09 |
Family
ID=72480141
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010527269.0A Active CN111695733B (zh) | 2020-06-11 | 2020-06-11 | 一种基于改进模糊聚类算法的“煤改电”负荷预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111695733B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112615374A (zh) * | 2020-12-25 | 2021-04-06 | 国网北京市电力公司 | 一种煤改电负荷还原计算方法、系统、装置及存储介质 |
CN113033867A (zh) * | 2021-02-02 | 2021-06-25 | 国网吉林省电力有限公司 | 一种计及电供热特性的省级电网负荷特性分析方法 |
CN113837665A (zh) * | 2021-11-04 | 2021-12-24 | 华北电力大学 | 一种基于智能体建模的区域电供暖负荷预测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000081220A (ja) * | 1998-09-04 | 2000-03-21 | Yamatake Corp | 蓄熱式電気床暖房システムの制御方法 |
US20190178522A1 (en) * | 2016-09-20 | 2019-06-13 | Gree Electric Appliances, Inc. Of Zhuhai | Load-Predicting and Control System and Method for Subway Heating, Ventilation and Air Conditioning System |
CN109886567A (zh) * | 2019-01-31 | 2019-06-14 | 国电南瑞科技股份有限公司 | 一种考虑体感温度和辐射强度的短期负荷预测方法 |
CN110264254A (zh) * | 2019-06-04 | 2019-09-20 | 北京交通大学 | 电采暖负荷预测方法、装置、设备及可存储介质 |
US20190370673A1 (en) * | 2018-06-01 | 2019-12-05 | Hitachi, Ltd. | Data prediction system, data prediction method, and data prediction apparatus |
CN111178621A (zh) * | 2019-12-25 | 2020-05-19 | 国网河北省电力有限公司 | 一种电采暖负荷预测支持向量回归机模型的参数优化方法 |
CN111260116A (zh) * | 2020-01-10 | 2020-06-09 | 河南理工大学 | 一种基于boa-svr和模糊聚类的分时段精细化短期负荷预测方法 |
-
2020
- 2020-06-11 CN CN202010527269.0A patent/CN111695733B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000081220A (ja) * | 1998-09-04 | 2000-03-21 | Yamatake Corp | 蓄熱式電気床暖房システムの制御方法 |
US20190178522A1 (en) * | 2016-09-20 | 2019-06-13 | Gree Electric Appliances, Inc. Of Zhuhai | Load-Predicting and Control System and Method for Subway Heating, Ventilation and Air Conditioning System |
US20190370673A1 (en) * | 2018-06-01 | 2019-12-05 | Hitachi, Ltd. | Data prediction system, data prediction method, and data prediction apparatus |
CN109886567A (zh) * | 2019-01-31 | 2019-06-14 | 国电南瑞科技股份有限公司 | 一种考虑体感温度和辐射强度的短期负荷预测方法 |
CN110264254A (zh) * | 2019-06-04 | 2019-09-20 | 北京交通大学 | 电采暖负荷预测方法、装置、设备及可存储介质 |
CN111178621A (zh) * | 2019-12-25 | 2020-05-19 | 国网河北省电力有限公司 | 一种电采暖负荷预测支持向量回归机模型的参数优化方法 |
CN111260116A (zh) * | 2020-01-10 | 2020-06-09 | 河南理工大学 | 一种基于boa-svr和模糊聚类的分时段精细化短期负荷预测方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112615374A (zh) * | 2020-12-25 | 2021-04-06 | 国网北京市电力公司 | 一种煤改电负荷还原计算方法、系统、装置及存储介质 |
CN112615374B (zh) * | 2020-12-25 | 2022-07-19 | 国网北京市电力公司 | 一种煤改电负荷还原计算方法、系统、装置及存储介质 |
CN113033867A (zh) * | 2021-02-02 | 2021-06-25 | 国网吉林省电力有限公司 | 一种计及电供热特性的省级电网负荷特性分析方法 |
CN113837665A (zh) * | 2021-11-04 | 2021-12-24 | 华北电力大学 | 一种基于智能体建模的区域电供暖负荷预测方法 |
CN113837665B (zh) * | 2021-11-04 | 2024-04-19 | 华北电力大学 | 一种基于智能体建模的区域电供暖负荷预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111695733B (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111695733B (zh) | 一种基于改进模糊聚类算法的“煤改电”负荷预测方法 | |
Li et al. | When weather matters: IoT-based electrical load forecasting for smart grid | |
CN103559655B (zh) | 基于数据挖掘的微网新型馈线负荷的预测方法 | |
Ozawa et al. | Determining the relationship between a household’s lifestyle and its electricity consumption in Japan by analyzing measured electric load profiles | |
Tian et al. | Predictive model of energy consumption for office building by using improved GWO-BP | |
CN111754037B (zh) | 区域终端集成供能系统长期负荷混合预测方法 | |
CN107609712B (zh) | 一种基于分类预测的能量对齐方法和装置 | |
CN106372739B (zh) | 一种基于需求响应基线的需求响应效果评估方法 | |
Baek et al. | Resident behavior detection model for environment responsive demand response | |
CN112149890A (zh) | 基于用户用能标签的综合能源负荷预测方法及系统 | |
CN111461921B (zh) | 一种基于机器学习的负荷建模典型用户数据库更新方法 | |
CN113902582A (zh) | 一种楼宇综合能源负荷预测方法及系统 | |
Klingler et al. | Residential photovoltaic self-consumption: Identifying representative household groups based on a cluster analysis of hourly smart-meter data | |
CN112085259A (zh) | 一种新能源接入与综合能源服务潜力关联预测方法 | |
CN111798333A (zh) | 一种用能评估与用电安全分析方法和系统 | |
Wang et al. | Aggregated large-scale air-conditioning load: Modeling and response capability evaluation of virtual generator units | |
Gong et al. | Analysis of electricity consumption behavior of air conditioning based on the perspective of power demand response | |
CN111126778A (zh) | 一种基于层次分析法的酒店能耗评价模型构建方法 | |
CN115271168A (zh) | 用电负荷响应潜力的预测方法、装置及存储介质 | |
CN115264775A (zh) | 一种供能系统设备配置方法、装置及供能系统 | |
Chen et al. | Optimization modeling method for coal-to-electricity heating load considering differential decisions | |
CN113379160A (zh) | 基于建筑物热能流的楼宇侧综合能源系统优化调度方法 | |
Zhang et al. | Regenerative Electric Heating Load Modeling Considering Users’ Response Behavior Biases | |
CN117272850B (zh) | 配电网安全运行调度弹性空间分析方法 | |
Danylchenko et al. | Research on Demographically Based Electricity Demand Schedules for the Potential of Demand Management |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |